Analisis Time Series   »   Konsep Dasar Time Series   ›  Perbedaan antara Model Time Series Stasioner dan Nonstasioner

Model Time Series

Perbedaan antara Model Time Series Stasioner dan Nonstasioner

Model time series stasioner merupakan jenis model time series untuk data stasioner yakni data yang mempunyai tingkat rata-rata dan varian konstan atau tidak berubah signifikan dari waktu ke waktu.

Pada artikel sebelumnya telah dibahas mengenai model deterministik dan stokastik yang merupakan konsep dasar dalam analisis time series. Model stokastik dalam mendeskripsikan data time series terdiri dari apa yang disebut model stasioner dan model tidak stasioner (nonstasioner).

Model stasioner merupakan jenis model time series untuk data stasioner yakni data yang mempunyai tingkat rata-rata dan varian konstan atau tidak berubah signifikan dari waktu ke waktu.

Adapun model time series untuk data stasioner meliputi model autoregressive (AR), moving average (MA), dan autoregressive moving average (ARMA).

Namun, peramalan yang banyak dilakukan dalam bidang industri, bisnis, dan ekonomi, di mana terdapat banyak data deret waktu (time series), sering kali lebih baik direpresentasikan dengan model nonstasioner yakni model yang tidak memiliki rata-rata konstan alami dari waktu ke waktu.

Oleh karena itu, tidak mengherankan bahwa banyak dari metode peramalan yang menggunakan model time series nonstasioner seperti rata-rata bergerak tertimbang eksponensial (exponentially weighted moving average).

Beberapa model time series lainnya untuk data yang tidak stasioner meliputi model ARIMA (autoregressive integrated moving average), SARIMA (seasonal autoregressive integrated moving average), ARCH (autoregressive conditional heteroskedasticity), GARCH (generalized autoregressive conditional heteroskedasticity) dan sebagainya.